第二天就飞往瑞典拿诺贝尔物理学奖的叶华说：“我感到我们正处于历史的某个节点，钟摆自此以后可能会往相反方向摆动。可能会发生一些事情........”
“人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的‘容器’。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种复杂工作的理解是不同的......”
联想前世先进的人工智能，叶华这个说法是很有远见的。
例如繁重的科学和工程计算本来是要人脑来承担的，如今计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”，可见复杂工作的定义是随着时代的发展和技术的进步而变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，另一方面又转向更有意义、更加困难的目标。
通常，“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识，学习策略，在遇到类似的问题时，运用经验知识解决问题并积累新的经验，就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。但人类除了会从经验中学习之外，还会创造，即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来，计算机最难学会的就是“顿悟”。或者再严格一些来说，计算机在学习和“实践”方面难以学会“不依赖于量变的质变”，很难从一种“质”直接到另一种“质”，或者从一个“概念”直接到另一个“概念”。正因为如此，这里的“实践”并非同人类一样的实践。人类的实践过程同时包括经验和创造。
这是智能化研究者梦寐以求的东西。
叶华利用特斯拉宇宙数据库开发了一种新的数据分析方法，该方法导出了研究函数性质的新方法。新数据分析方法给计算机学会“创造”提供了一种方法。本质上，这种方法为人的“创造力”的模式化提供了一种相当有效的途径。这种途径是数学赋予的，是普通人无法拥有但计算机可以拥有的“能力”。从此，计算机不仅精于算，还会因精于算而精于创造。计算机学家们应该斩钉截铁地剥夺“精于创造”的计算机过于全面的操作能力，否则计算机真的有一天会“反捕”人类。
当回头审视新方法的推演过程和数学的时候，可以拓展对思维和数学的认识。数学简洁，清晰，可靠性、模式化强。在数学的发展史上，处处闪耀着数学大师们创造力的光辉。这些创造力以各种数学定理或结论的方式呈现出来，而数学定理最大的特点就是：建立在一些基本的概念和公理上，以模式化的语言方式表达出来的包含丰富信息的逻辑结构。应该说，数学是最单纯、最直白地反映着（至少一类）创造力模式的学科。
事实上，这就是已发生的事情：叶华的横空出世，已推动科技飚快了十年以上。在这几年里，叶华旗下的维多利亚公司、外星人公司、雷神集团、雅马哈等等已经逐渐发展成为最具影响力的超大型跨国企业之一，因其不仅帮助各大学的学生重铸思维，更是不断有意识地将人们的注意力转移到实业兴国上来，从而改变人类本身。
多年来，华尔街在逐渐对资本与目的形成一种统一、谦虚的说法，即他们仅仅作为生产力的推动者、实业的支柱以及一个能够在其中充分利用的团体，因此才不管你就业率的高低，只要能赚钱，他们就支持哪个生产方式。这个说法并没有错，但也没有叙述出叶华拥有远高于外星人的科技的真相。
从一开始，所谓的人工智能发展降低就业率，这些努力都是无能的抵抗思想，而叶华的关门弟子们时刻准备着以坚硬的姿态进行战斗。
叶华笑道：“我认为人工智能更能促进就业质量，提高劳动者的价值，推动社会进步。”
这个研讨会的计划米国人独控下的智能化、关于人工智能服务人类的思